亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于GRI的多車協(xié)同定位研究?

        2018-05-22 09:44:10閆夢如葛如海秦洪懋唐翊銘高行健
        汽車工程 2018年4期
        關(guān)鍵詞:本車車車協(xié)方差

        孫 寧,閆夢如,倪 捷,葛如海,秦洪懋,唐翊銘,高行健

        (1.江蘇大學(xué)汽車與交通工程學(xué)院,鎮(zhèn)江 212013; 2.北京航空航天大學(xué),車路協(xié)同與安全控制重點(diǎn)實(shí)驗(yàn)室,北京 100191)

        前言

        隨著汽車自動(dòng)駕駛技術(shù)的發(fā)展,車輛對(duì)環(huán)境感知的要求也越來越高。獲取實(shí)時(shí)、準(zhǔn)確的自身和周圍車輛位置信息(如經(jīng)度、緯度、高度等)是環(huán)境感知內(nèi)容的重要組成部分,也相應(yīng)面臨著更加嚴(yán)格的精度要求。如自動(dòng)緊急制動(dòng)系統(tǒng),對(duì)前方車輛的位置誤差要求就在1m以內(nèi)。因此,如何提高車輛位置信息的定位精度[1],是目前國內(nèi)外汽車領(lǐng)域?qū)W者面臨的一項(xiàng)新課題。高精度車輛定位方法的研究,對(duì)發(fā)展汽車自動(dòng)駕駛技術(shù)具有十分重要的意義。

        鑒于經(jīng)濟(jì)成本因素,目前單一應(yīng)用傳統(tǒng)GPS或毫米波雷達(dá),都無法滿足上述車輛位置定位的高精度要求。而通信技術(shù)的發(fā)展則為高精度車輛定位提供了一種新的途徑。在車車通信、車路通信的支持下,車輛間可相互交換豐富的信息,同時(shí),車輛自身獲取周圍環(huán)境信息的能力大大提升,從而可以計(jì)算獲得更加準(zhǔn)確的位置信息[2-3]。本文中在傳統(tǒng)GPS和毫米波雷達(dá)獲取初步車輛定位信息的基礎(chǔ)上,參照文獻(xiàn)[4]中的思路,提出一種基于GPS/雷達(dá)集成(GPS/radar integration,GRI)的多車協(xié)同定位方法,為獲取高精度的車輛位置信息提供一種新思路。

        1 多車協(xié)同定位的總體框架設(shè)計(jì)

        本文中提出的多車協(xié)同定位系統(tǒng)由GPS、毫米波雷達(dá)和車車通信3大模塊組成。其中GPS數(shù)據(jù)已經(jīng)通過計(jì)算轉(zhuǎn)換為局部區(qū)域的平面坐標(biāo)。車車通信模塊為LTE-V/DSRC。

        系統(tǒng)中在基于GRI的多車協(xié)同定位過程中,對(duì)定位的估計(jì)分為兩階段。第一階段,進(jìn)行基于本車位置信息的粗估計(jì),即通過GPS獲取含噪聲的車輛的絕對(duì)位置信息,經(jīng)卡爾曼濾波器處理,再通過雷達(dá)得到周圍車輛位置的粗估計(jì);第二階段,將粗估計(jì)的結(jié)果通過車車通信進(jìn)行分享,進(jìn)行綜合多車位置信息的融合估計(jì),得出更加準(zhǔn)確的本車和周圍車輛的絕對(duì)位置。協(xié)同定位的總體工作流程如圖1所示。

        2 基于GPS與雷達(dá)的車輛位置信息估計(jì)

        GPS模塊獲得的是帶有噪聲的車輛絕對(duì)位置信息,通過設(shè)計(jì)濾波器對(duì)該噪聲信號(hào)進(jìn)行處理,可實(shí)現(xiàn)基于本車GPS觀測位置信息粗估計(jì)。本文中采用擴(kuò)展卡爾曼濾波[5-6]對(duì)GPS信號(hào)進(jìn)行消噪處理。

        2.1 基于GPS本車觀測定位信息估計(jì)

        對(duì)于車輛而言,當(dāng)側(cè)偏角為零時(shí),將t時(shí)刻的線速度用vt表示,角速度用ωt表示,則控制向量設(shè)正的ωt產(chǎn)生一個(gè)逆時(shí)針旋轉(zhuǎn),正的vt產(chǎn)生一個(gè)向前移動(dòng)。速度運(yùn)動(dòng)模型的狀態(tài)向量為

        式中:xt′,yt為直角坐標(biāo)系下的位置坐標(biāo);θt為車輛航向角。

        在無噪聲影響的理想情況下,設(shè)初始狀態(tài)向量為(x,y,θ)T,控制向量為(v,ω)T,在 Δt時(shí)間后的狀態(tài)向量為(x′,y′,θ′)T,則有

        式中為該 Δt時(shí)間內(nèi)運(yùn)動(dòng)的圓心。

        經(jīng)簡化,在 Δt時(shí)間后的狀態(tài)向量(x′,y′,θ′)T可以表示為

        實(shí)際上,獲取的車輛運(yùn)動(dòng)信息含有噪聲,假設(shè)該噪聲來自控制量。首先,設(shè)真實(shí)運(yùn)動(dòng)的線速度和角速度為和則有

        式中:εv和εω分別為真實(shí)控制量與理想控制量的誤差。

        僅在εv和εω的作用下,車輛的真實(shí)運(yùn)動(dòng)和理想運(yùn)動(dòng)之間的誤差有兩個(gè)自由度,只能描述圓周運(yùn)動(dòng),這與車輛真實(shí)運(yùn)動(dòng)的情況并不相符。因此須引入一個(gè)誤差參數(shù),以使理想運(yùn)動(dòng)與運(yùn)動(dòng)誤差疊加后的真實(shí)狀態(tài)空間與建立的模型中所有可能的狀態(tài)組合的狀態(tài)空間等價(jià)。為此,引入虛擬控制量γ=0,且有

        此時(shí),新的控制向量為(v,ω,γ)T,其中γ≡0,εγ為虛擬控制量誤差,這樣的引入只是為使得對(duì)運(yùn)動(dòng)誤差的建模變得完整,使:

        式中εθ表示車輛航向角的噪聲。

        此外,假設(shè)控制向量中各誤差均服從正態(tài)分布:

        因此,車輛的真實(shí)運(yùn)動(dòng)模型表示為

        因?yàn)檐囕v運(yùn)動(dòng)模型為非線性模型,故應(yīng)用擴(kuò)展卡爾曼濾波對(duì)車輛狀態(tài)進(jìn)行估計(jì)。

        基于擴(kuò)展卡爾曼濾波的位置估計(jì)具體步驟如下[7]。

        將t時(shí)刻真實(shí)狀態(tài)向量記為V t=(xt,yt,θt)T,濾波器對(duì)狀態(tài)的預(yù)測(無觀測信息)記為獲取觀測信息后修正的狀態(tài)估計(jì)記為

        控制向量記為其中γ≡0,觀測向量記為預(yù)測狀態(tài)協(xié)方差矩陣記為,獲得觀測信息后估計(jì)協(xié)方差矩陣記為Σt,記狀態(tài)預(yù)測誤差為,記狀態(tài)估計(jì)誤差為有

        觀測向量由GPS采集的經(jīng)緯度與航向角獲得,控制向量中的速度由GPS采集,橫擺角速度根據(jù)車輛轉(zhuǎn)向盤轉(zhuǎn)角和速度轉(zhuǎn)換得到。

        通過狀態(tài)轉(zhuǎn)移方程預(yù)測t時(shí)刻狀態(tài):

        對(duì)狀態(tài)轉(zhuǎn)移方程求μt-1的1階偏導(dǎo)的雅可比矩陣:

        狀態(tài)轉(zhuǎn)移方程求u t的1階偏導(dǎo)的雅可比矩陣:

        t時(shí)刻預(yù)測狀態(tài)協(xié)方差矩陣更新為

        其中Q為控制噪聲協(xié)方差矩陣:

        記t時(shí)刻控制誤差為有

        狀態(tài)觀測方程:

        對(duì)狀態(tài)觀測方程求的雅可比矩陣:

        計(jì)算卡爾曼增益:

        其中R為觀測噪聲協(xié)方差矩陣:

        記t時(shí)刻GPS觀測誤差為

        根據(jù)觀測信息修正對(duì)狀態(tài)的估計(jì):

        更新t時(shí)刻估計(jì)狀態(tài)協(xié)方差矩陣為

        式中I為與μt同維數(shù)的單位矩陣。μt和Σt即為t時(shí)刻車輛狀態(tài)估計(jì)的輸出結(jié)果。

        2.2 基于雷達(dá)的目標(biāo)絕對(duì)位置計(jì)算

        采用毫米波雷達(dá)對(duì)周圍車輛進(jìn)行觀測。毫米波雷達(dá)的特點(diǎn)為對(duì)目標(biāo)的縱向(y向)距離測量精度較高,而橫向(x向)距離測量精度較低[8-9]。記t時(shí)刻雷達(dá)對(duì)第j個(gè)目標(biāo)相對(duì)位置的測量誤差假設(shè)

        將GPS本車粗估計(jì)絕對(duì)位置與雷達(dá)探測目標(biāo)相對(duì)位置進(jìn)行疊加,得到雷達(dá)第j個(gè)目標(biāo)的絕對(duì)位置:

        由于自身粗估計(jì)誤差與雷達(dá)探測相對(duì)位置誤差均服從多維正態(tài)分布,由正態(tài)分布性質(zhì)可得的協(xié)方差矩陣為

        上述和即為基于雷達(dá)觀測的目標(biāo)絕對(duì)位置信息。

        3 多車定位信息融合

        3.1 基于車車通信的本車定位估計(jì)

        如上所述,對(duì)GPS定位信息進(jìn)行濾波后的本車位置估計(jì)結(jié)果,通過車車通信發(fā)送給周圍車輛。同時(shí),車輛通過毫米波雷達(dá)可探知周圍車輛相對(duì)于本車的位置。由于周圍車輛狀態(tài)中的航向角θ項(xiàng)在相對(duì)測距中不起作用,故記t時(shí)刻周圍車輛i通信發(fā)送的本車位置估計(jì)為狀態(tài)估計(jì)協(xié)方差矩陣為

        記t時(shí)刻本車?yán)走_(dá)探測到車輛i的相對(duì)位置為換算到直角坐標(biāo)系為其中為i車與本車的距離為i車與本車連線和水平x軸的夾角如圖 2所示。

        圖2 雷達(dá)探測參數(shù)示意

        則根據(jù)車輛i與本車相對(duì)定位得到的本車位置估計(jì)為

        假設(shè)t時(shí)刻雷達(dá)對(duì)相對(duì)位置的測量誤差向量為在x向和y向上均服從正態(tài)分布且互不相關(guān),即為雷達(dá)相對(duì)測距的協(xié)方差矩陣,則根據(jù)車輛i與本車相對(duì)定位得到的本車位置估計(jì)的協(xié)方差矩陣為

        ?和即為本車與車輛i相對(duì)定位得到的本車位置估計(jì)的輸出結(jié)果。

        3.2 本車定位信息最優(yōu)融合估計(jì)

        如果本車在時(shí)刻t有附近的Nt輛車的絕對(duì)位置信息及其與本車的相對(duì)位置信息,則可通過上節(jié)的方法得到Nt個(gè)通過相對(duì)定位得到的本車位置估計(jì),加上本車自車通過擴(kuò)展卡爾曼濾波得到的位置估計(jì),共有Nt+1個(gè)對(duì)本車的位置估計(jì)結(jié)果。文中基于數(shù)據(jù)融合理論[1,10]對(duì)這Nt+1個(gè)估計(jì)結(jié)果進(jìn)行綜合。

        記t時(shí)刻車輛i的絕對(duì)位置觀測誤差為控制誤差為本車對(duì)車輛i的雷達(dá)觀測誤差為本文假設(shè):

        則有

        式中:δpq為克羅內(nèi)克函數(shù)另外,假設(shè)不同車輛的初始狀態(tài)估計(jì)誤差不相關(guān):

        記本車與車輛i相對(duì)定位得到的本車位置估計(jì)誤差為基于上述條件,不難證明:

        基于上述推論,基于局部估計(jì)誤差不相關(guān)假設(shè)下的最優(yōu)融合估計(jì)對(duì)所有本車位置估計(jì)進(jìn)行融合:

        式中:Nt為t時(shí)刻本車附近獲知絕對(duì)位置與雷達(dá)相對(duì)位置的車輛數(shù)。

        融合后的估計(jì)協(xié)方差矩陣為

        μ′t和Σ′t即為多車信息融合得到的本車位置估計(jì)。

        4 仿真試驗(yàn)與測試

        4.1 仿真參數(shù)設(shè)置

        為驗(yàn)證基于GRI的多車協(xié)同定位算法的有效性,通過MATLAB中建立了多車運(yùn)動(dòng)場景,并進(jìn)行對(duì)上述各部分算法的仿真。仿真時(shí)間為30s,時(shí)間步長0.1s。

        本文中多車運(yùn)動(dòng)仿真場景分為直線運(yùn)動(dòng)場景與換道運(yùn)動(dòng)場景兩種。

        (1)直線運(yùn)動(dòng)場景

        該場景中有2個(gè)車道,車道寬3.75m,每車道5輛車,均沿各自車道的中心線直線行駛。左側(cè)車道為快車道,5輛車初始車速均為 50km/h,車間距80m。右側(cè)車道為慢車道,5輛車初始車速均為30km/h,車距50m,如圖3所示。仿真開始后t在0~10s時(shí)間段內(nèi),兩車道的頭車均按照如圖4所示的加速度曲線運(yùn)動(dòng)。t>10s后,兩頭車保持勻速直線運(yùn)動(dòng)。其他8輛車根據(jù)線性跟馳模型對(duì)前車的速度波動(dòng)產(chǎn)生響應(yīng):

        式中:xr(t)和xf(t)為t時(shí)刻后車和前車沿車道方向到原點(diǎn)的距離,參數(shù)取λ=0.3,T=1s。

        圖3 直線運(yùn)動(dòng)場景示意圖

        (2)換道運(yùn)動(dòng)場景

        該場景中有2個(gè)車道,車道寬3.75m,每車道各有5輛車,初始時(shí)均沿各自車道的中心線直線行駛。兩車道上車輛的初始車速均為30km/h,4號(hào)與5號(hào)車之間、6號(hào)與7號(hào)車之間前后車間距100m,其他車輛前后車間距50m,如圖5所示。

        開始仿真后t在3~8s時(shí)間段內(nèi),2號(hào)車和9號(hào)

        圖4 頭車加速度曲線(部分)

        圖5 換道運(yùn)動(dòng)場景示意圖

        車進(jìn)行換道操作,其他車輛保持勻速直線運(yùn)動(dòng)。換道操作的轉(zhuǎn)向角模型如圖6所示。又根據(jù)本文中車輛運(yùn)動(dòng)仿真模型,得到的換道位置曲線如圖7所示。

        圖6 車輛換道轉(zhuǎn)向角模型

        圖7 換道運(yùn)動(dòng)橫向位置曲線

        本文中的仿真試驗(yàn)對(duì)雷達(dá)、GPS與車車通信等各模塊的功能參數(shù)設(shè)置如下。

        雷達(dá):可探測到以本車位置為圓心,半徑100m范圍內(nèi)的周圍車輛與本車的相對(duì)位置,要求周圍車輛與本車之間無遮擋。一般的毫米波雷達(dá)對(duì)縱向位置探測精度比橫向位置探測精度高,誤差均滿足正態(tài)分布,標(biāo)準(zhǔn)差σrx=0.2m,σry=0.1m。 每隔0.1s更新一次。

        GPS:可提供本車的絕對(duì)位置和速度信息,橫向、縱向和航向角誤差均滿足正態(tài)分布,標(biāo)準(zhǔn)差σzx=σzy=3.33m,σzθ=π/180,σzv=1m/s。 每隔0.1s更新一次。

        車車通信:可接收到以本車位置為圓心,半徑100m范圍內(nèi)的周圍車輛發(fā)送的自身位置信息。為測試在通信不穩(wěn)定的情況下基于GRI的多車協(xié)同定位算法的表現(xiàn),設(shè)在t=20~25s時(shí)間段內(nèi)車車通信失效,所有車輛無法獲得周圍車輛的絕對(duì)位置信息。在其他時(shí)間內(nèi),每隔0.1s更新一次車輛發(fā)送和接收的通信信息。

        另外,假設(shè)橫擺角速度測量誤差滿足正態(tài)分布,標(biāo)準(zhǔn)差σzω=π/180s-1。每隔0.1s更新一次。

        4.2 仿真結(jié)果分析

        在兩個(gè)場景下,對(duì)基于GRI的多車協(xié)同定位算法進(jìn)行仿真,結(jié)果如圖8、圖9和表1所示。其中圖8和圖9分別為直行場景和換道場景下協(xié)同定位算法x向和y向的均方根誤差隨時(shí)間的變化曲線,而表1則為按通信正常和通信失效兩個(gè)階段分別計(jì)算的兩種場景平均的x向、y向和總的均方根誤差。皆為除頭車(5#車和10#車)外其余8輛車的平均結(jié)果。

        圖8 直線場景協(xié)同定位算法的均方根誤差的時(shí)間歷程

        由表1可見,協(xié)同定位的誤差水平總體保持在0.6m以下。這說明本文中的方法科學(xué)有效,能高精度地對(duì)車輛進(jìn)行定位。從表中還可看出,在通信失效情況下定位誤差較大,這體現(xiàn)了車車通信在基于GRI的多車協(xié)同定位中的重要性。

        圖9 換道場景協(xié)同定位算法的均方根誤差的時(shí)間歷程

        表1 本車定位誤差統(tǒng)計(jì)

        5 結(jié)論

        本文中提出了基于GRI的多車協(xié)同定位的方法,并通過MATLAB軟件進(jìn)行了模擬仿真,通過大量重復(fù)試驗(yàn)取均方根值分析各種定位算法的誤差,發(fā)現(xiàn)最優(yōu)融合的協(xié)同定位算法在通信理想條件下誤差極小,即便短時(shí)間通信失效,平均誤差水平也控制在0.6m以內(nèi),這表明該方法合理有效,能高精度地對(duì)周圍行駛車輛進(jìn)行定位。但是由于本文中速度運(yùn)動(dòng)模型有一定的理想假設(shè),實(shí)際的車輛轉(zhuǎn)向過程中側(cè)偏角廣泛存在,與車輛真實(shí)運(yùn)動(dòng)的描述有一定偏差,對(duì)該因素的忽略可能導(dǎo)致本車位置的濾波跟蹤效果減弱。

        參考文獻(xiàn)

        [1]QURESHIK N,ABDULLAH A H.Localization-based system challenges in vehicular Ad Hoc networks:Survey[J].Smart Computing Review,2014,4(6):515-528.

        [2]ALAM N,DEMPSTER A.Cooperative positioning for vehicular networks:Facts and future[J].IEEE Transactions on Intelligent Transportation Systems,2013,14(4).

        [3]EFATMANESHNIK M,ALAM N,KEALY A,et al.A fast multidimensional scaling filter for vehicular cooperative positioning[J].Journal of Navigation,2012,65(2):223-243.

        [4]SHERER T P,MARTIN SM,et al.Radar probabilistic data association filter with GPSaiding for target selection and relative position determination[C].Proceedings of the ION 2017 Pacific PNT Meeting, Honolulu, Hawaii,2017:419-428.

        [5]LIU K,LIM H B.Positioning accuracy improvement via distributed location estimate in cooperative vehicular networks[C].Conference Record-IEEE Conference on Intelligent Transportation Systems,2012:1549-1554.

        [6]GOLESTAN K, SATTAR F, KARRAY F, et al.Localization in vehicular ad hoc networks using data fusion and V2V communication[J].Computer Communications,2015,71:61-72.

        [7]劉江,蔡伯根,王云鵬.基于GNSS/DSRC融合的協(xié)同車輛定位方法[J].交通運(yùn)輸工程學(xué)報(bào),2014(4):116-126.

        [8]AKCAN H,EVRENDILEK C.GPS-free directional localization via dual wireless radios[J].Computer Communications,2012,35(9):1151-1163.

        [9]YAN T,ZHANG W,WANG G.A grid-based on-road localization system in VANET with linear error propagation[J].IEEE Transactions on Wireless Communications,2014,13(2):861-875.

        [10]BHAWIYUGA A,NGUYEN H H,JEONG H Y.An accurate vehicle positioning algorithm based on vehicle-to-vehicle(V2V)communications[C].IEEE International Conference on Vehicular Electronics and Safety,IEEE,2012:273-278.

        猜你喜歡
        本車車車協(xié)方差
        基于車輛對(duì)道路不滿意度的微觀換道決策
        復(fù)雜工況下二階碰撞時(shí)間自動(dòng)緊急制動(dòng)模型
        融合改善型可行性檢驗(yàn)?zāi)P偷膿Q道跟蹤方法
        車車通信CBTC系統(tǒng)駕駛模式轉(zhuǎn)換研究
        基于車車通信的車輛防碰撞算法
        那些讓你眩暈的車車
        車車大行動(dòng)
        兒童繪本(2016年6期)2016-05-14 14:37:16
        不確定系統(tǒng)改進(jìn)的魯棒協(xié)方差交叉融合穩(wěn)態(tài)Kalman預(yù)報(bào)器
        一種基于廣義協(xié)方差矩陣的欠定盲辨識(shí)方法
        出租車正能量
        在线观看精品国产福利片87| 成人aaa片一区国产精品| 性一交一乱一伦一色一情孩交| 亚洲天堂精品成人影院| 精品久久久久久无码中文字幕| 18级成人毛片免费观看| 国产成人精品人人做人人爽| 日本一区二区三区经典视频| 日本少妇浓毛bbwbbwbbw| 国产精品视频一区二区三区四| 国产美女精品AⅤ在线老女人| 国产精品一区二区三区在线观看 | 国产黄色三级三级三级看三级| 欧美拍拍视频免费大全| 成人免费看www网址入口| 国产国拍亚洲精品午夜不卡17| 国产91大片在线观看| 免费a级毛片无码免费视频首页| 国产成人午夜精华液| 精品91精品91精品国产片| 五月婷婷开心五月播五月| 久久无码人妻一区二区三区午夜| 黄色成人网站免费无码av| 日本一区二区三区在线| 国产成人亚洲精品一区二区三区 | 一级片麻豆| 亚洲中文字幕高清在线视频一区| 97久久国产亚洲精品超碰热| 无码少妇一区二区三区芒果| 国产福利小视频91| 久草福利国产精品资源| 国产成人亚洲综合色婷婷| 国产午夜精品福利久久| 亚洲精品国产成人久久av盗摄| 亚洲av日韩av永久无码下载| 日韩a∨精品日韩在线观看| 亚洲国产综合性感三级自拍| 久久99精品久久久久麻豆| 国产精品黄在线观看免费软件| 无码成年性午夜免费网站蜜蜂| 国语淫秽一区二区三区四区|